Micro RNAs(mi RNAs)是一类长度大约为22nt的内源性单链非编码小RNA。它们通常在转录后抑制其目标信使RNA的3~′非翻译区(UTRs)的基因表达和蛋白生成。随着基因组测序技术与计算机技术的迅猛发展,许多研究表明mi RNA参与了众多生物学过程,如细胞增殖、细胞发育、细胞凋亡、细胞分化等,已被证实与许多人类疾病密切相关。研究mi RNA和疾病的关系有助于在mi RNA层面上了解疾病的发病机理,可为治疗和预防相关疾病、研发相关药物提供有效帮助。因此,构造高效、准确的预测模型来挖掘mi RNA和疾病的潜在关系是非常有必要的。相关学者提出了较多的预测模型,但存在耗费时间长、预测准确率低的问题。考虑到这些模型的局限性,本文首先提出了一种新的聚类算法对已知的mi RNA-疾病关联关系数据集进行处理进而构造二部图网络。然后,在此基础上利用个性化推荐系统的偏热传导算法构造新的数学模型进而预测潜在的mi RNA-疾病的关系。具体研究内容如下:(1)首先,获取mi RNA-疾病有关数据并进行预处理,其次计算mi RNA-mi RNA间相似性与疾病和疾病间相似性。然后对mi RNA间的功能相似性与mi RNA高斯核相似性、疾病间的语义相似性与疾病高斯核相似性分别进行整合。(2)在整合的数据基础上提出一种基于阈值的聚类算法,重新定义了mi RNA-疾病的联系,并用邻接矩阵进行表示。然后利用这些邻接矩阵分别构造mi RNA-疾病二部图网络与疾病-mi RNA二部图网络。(3)在构造的mi RNA-疾病二部图网络与疾病-mi RNA二部图网络的基础上,基于个性化推荐系统中的偏热传导算法,提出一种新的数学预测模型来挖掘mi RNA-疾病的潜在联系。该模型可应用到数据稀疏的环境中,对解决冷启动问题具有一定的参考意义,同时预测结果准确率较高。在留一验证、二折、五折框架下的AUC值分别为0.8890、0.9060、0.8931。在食管癌、结肠肿瘤、淋巴瘤的案例分析中的预测准确率分别为88%、92%、92%。因此,该模型将会是预测潜在mi RNA-疾病关联领域的一个有用的计算资源。